西电数据挖掘大作业之电影评级数据分析

西电数据挖掘大作业之电影评级数据分析。

# -*- coding: utf-8 -*-
import pandas as pd
import numpy as np

mnames = [‘movieid‘ ‘title‘ ‘genres‘]
movie = pd.read_table（‘movies.dat‘ sep=‘::‘ header=None
                      names=mnames engine=‘python‘）
print（‘----------------------------------------------------------------------------‘）
print（“examples of movies:\n“）
print（movie.head（5））
print（‘\nthe length of movies data:%d‘ % len（movie））
print（‘----------------------------------------------------------------------------\n‘）

unames = [‘userid‘ ‘gender‘ ‘age‘ ‘occupation‘ ‘zip‘]
user = pd.read_table（‘users.dat‘ sep=‘::‘ header=None
                     names=unames engine=‘python‘）
print（‘----------------------------------------------------------------------------‘）
print（“examples of users:\n“）
print（user.head（5））
print（‘\nthe length of users data:%d ‘ % len（user））
print（‘----------------------------------------------------------------------------\n‘）

rnames = [‘userid‘ ‘movieid‘ ‘ratings‘ ‘timestamp‘]
rating = pd.read_table（‘ratings.dat‘ sep=‘::‘
                       header=None names=rnames engine=‘python‘）
print（‘----------------------------------------------------------------------------‘）
print（“examples of ratings:\n“）
print（rating.head（5））
print（‘\nthe length of ratings data:%d ‘ % len（rating））
print（‘----------------------------------------------------------------------------\n‘）
# 把三张表的数据合并到一起
data = rating.merge（user）.merge（movie）
print（‘----------------------------------------------------------------------------‘）
print（“examples of datas:\n“）
print（data.head（5））
print（‘----------------------------------------------------------------------------\n‘）

# 按性别计算每部电影的平均得分
meanratings = pd.pivot_table（data index=[‘title‘] values=‘ratings‘ columns=[
                             ‘gender‘] aggfunc=np.mean fill_value=0）
print（‘----------------------------------------------------------------------------‘）
print（‘The average score of each film （by Gender）:‘）
print（meanratings[:10]）
print（‘----------------------------------------------------------------------------\n‘）

# 过滤掉评分数据不到100条的电影再按年龄统计电影的平均得分
movie_rating = data.groupby（[‘title‘]）.size（）
# print（movie_rating[:10]）
movie_ix = movie_rating.index[movie_rating > 100]
mrating = meanratings.loc[movie_ix]
# print（mrating.head（））

# 女性最喜欢的电影
print（‘----------------------------------------------------------------------------‘）
print（‘Women favorite movies TOP10: ‘）
print（mrating.sort_values（by=[‘F‘] ascending=False）.head（10））
print（‘----------------------------------------------------------------------------\n‘）

print（‘----------------------------------------------------------------------------‘）
print（‘Men favorite movies TOP10: ‘）
print（mrating.sort_values（by=[‘M‘] ascending=False）.head（10））
print（‘----------------------------------------------------------------------------\n‘）

# 找出男性和女性评分分歧最大的电影
# 按男女评分差值的绝对值来统计
mrating[‘diff‘] = np.abs（mrating[‘F‘] - mrating[‘M‘]）
#print（mrating.sort_values（by=[‘diff‘

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2018-10-18 18:07  movies\
     文件      171308  2003-03-27 05:18  movies\movies.dat
     文件        5006  2018-10-18 22:09  movies\movies.py
     文件    24594131  2003-03-01 05:53  movies\ratings.dat
     文件        5577  2016-01-30 04:39  movies\README
     文件           0  2018-10-18 12:22  movies\text
     文件      134368  2003-03-01 05:53  movies\users.dat